Gompertz模型 - 禅道研發效能解決方案

Gompertz模型是一种经典的生长曲线模型，通过S型曲线描述事物从初始增长到饱和的过程，广泛应用于软件缺陷预测、産品生命周期分析、生物生长趋势模拟等领域。在X分析中，Gompertz模型被优化为面向软件测试场景的缺陷预测工具，幫助用户量化缺陷发现效率，优化测试资源分配。
適用場景舉例：

1.數據類型：
時間序列（必填）：表示观测时间点（如测试天数、周数），需为正整数（如1, 2, 3…）。
数值序列（必填）：表示对应时间点的数值（如缺陷数、新增用户量），需为非负整数（如0, 50, 100…）。
2.數據格式：

數據需按時間順序排列，且無缺失值（示例見下表）：

在X分析中選擇Gompertz模型後，需配置以下參數：

1.必填參數：

期望遺留缺陷率（%）：定義測試結束時預期未發現的缺陷占比（例如輸入“10%”，表示模型將基于該目標優化預測結果）。建議參考曆史數據或行業基准值設置,通常情況，針對4、5級的軟件公司，此值通常小于等于5%。

2.可選參數：
期望累計缺陷數：用戶可輸入已知或預估的缺陷總數，輔助模型校准（若留空，模型將自動計算最優值）。

1.創建分析項目：

在ZenDAS中新建項目，命名並選擇“Gompertz模型”。

2.導入數據：

上传或输入時間序列与数值序列数据，确保符合整数格式要求。

3.配置參數：
填寫期望遺留缺陷率（必填），按需填寫期望累計缺陷數（選填）。
4.運行分析：

點擊“開始分析”，系統自動擬合模型並生成結果。

模型參數輸出：

擬合曲線圖：

應遺留缺陷數：基于用戶設定的期望遺留缺陷率，估算未發現的缺陷數量。

應發現的缺陷數：在期望遺留缺陷率的基礎上，應該發現的缺陷數量。

距離目標缺陷數的差距：應發現的缺陷數與已發現的累計缺陷數的差值。

還需測試的次數：發現應發現的缺陷數量還需要測試的輪次。

数据质量：時間序列需连续且无重复，数值序列需单调递增（否则模型可能报错）。
參數調優：若擬合曲線與實際值偏差較大，可嘗試調整“期望累計缺陷數”或檢查數據是否存在異常。
結果應用：Gompertz模型更適用于中長期趨勢預測，短期波動需結合其他方法（如控制圖）分析。

午夜伧理A级日韩1片